Tekoälyn mahdollisuudet dataohjatussa myynnissä

Data avaa loputtomasti mahdollisuuksia myynnin kehittämiseen, mutta vain siinä tapauksessa, jos perusta on kunnossa. Lue, miten tekoäly voi kirittää yritystäsi parempaan myyntiin.

CRM-datan laatu on myynnille tuttu haaste. Keskustelujen kirjaaminen jää helposti kiireen jalkoihin, ja erilaiset kirjaustavat voivat johtaa siihen, että järjestelmästä löytyy lopulta sama yritys moneen kertaan. Asiakkuuden kehitystä on hankala seurata, kun merkintöjä löytyy useista paikoista. Jos ylipäätään löytyy.

Yksi asiakkaidemme eniten arvostamista asioista on NBO:n tarjoama data. Datan kerääminen ja hyödyntäminen on jo pitkään ollut sisäänrakennettu prosesseihimme. Asiakkaamme voivat seurata myyntimahdollisuuksien kehittymistä tarkkojen keskustelumuistioiden tasolle saakka reaaliaikaisesti Dashboard-työkalustamme.

Vaikka datan kerääminen olisikin kunnossa, ennen pitkää tulee vastaan seuraava haaste – dataa kertyy niin paljon, ettei siihen ehdi perehtyä. Tässä haasteessa haluamme auttaa asiakkaitamme, ja seuraavaksi kerron, miten olemme asiaa kevään aikana edistäneet.

Vain eheän datan varaan voi rakentaa

Datan ja tekoälyn hyödyntämistä voi verrata puuhun. Datan kerääminen ja kirjaaminen muodostavat juuret. Maan alla piilossa olevien juurten on oltava kunnossa, muuten niistä ei voi kasvaa vahvaa runkoa tai tuuheita oksia.

Meillä tämä näkymätön perusta eli datan keräys on kunnossa, mutta yritystietolähteen takia järjestelmästämme löytyi kuitenkin erilaisia versioita samoista yrityksistä. Jos runko on laho, uudet oksat eivät voi kasvaa. Toisin sanoen: koska emme voineet yhdistää eri versioita yritystiedoista, emme voineet kehittää uutta datan päälle.

Siksi vaihdoimme datatoimittajan Dashboardin taustalla ja siivosimme kaksoiskappaleet pois. Nyt olemme herkullisessa tilanteessa, jossa pääsemme entistä paremmin analysoimaan yhteistyön mahdollisuuksia asiakkaidemme kanssa. Lähtödata on eheää, ja moderni datatoimittaja tarjoaa lisää mahdollisuuksia erilaisiin datapisteisiin sekä mahdollistaa monenlaista uutta automaationkin kautta.

Seuraavaksi kerron esimerkin yhdestä oksasta, tekoälystä, jota olemme päässeet uuden, vankemman pohjan ansiosta rakentamaan.

Välähdyksiä tekoälyn potentiaalista

Tammikuussa aloimme tutkimaan tekoälyn mahdollisuuksia dataohjatussa myynnissä. Tekoälyn vahvuuksia ovat suurten datamäärien käsittely ja analysointi erittäin nopeasti ja tehokkaasti. Teköälykumppaniksemme valitsimme Fonzitin.

Kaikesta hehkutuksesta huolimatta tekoäly ei toimi itsestään, vaan tolkullisten tulosten saaminen vaatii taustalleen eheää dataa ja paljon opettamista. Tavoitteemme oli referoida NBO:n keskustelumuistioita ja poimia niistä valittuja avainsanoja. Ensimmäiset tulokset eivät harmiksemme olleet kovin lupaavia. Jouduimme itse toimimaan tekoälyn assistenttina eli rakenteellistimme keskustelumuistiot, jotta tekoälyn kehote (prompt) toimisi oikein.

Siirryimme käyttämään few-shot learning -mallia ja opetimme tekoälylle, millaisia tuloksia haluamme jatkossa saada. Kävin manuaalisesti läpi eräälle asiakkaallemme toimitetut 100 keskustelumuistiota ja poimin kiteytykset tekoälylle. Sen jälkeen tein saman toisen asiakkaan keskusteludatan kanssa, mutta emme syöttäneetkään tietoa tekoälylle, vaan käskytimme sitä tekemään samasta datasta oman kiteytyksensä.

Tämän harjoituksen tulokset olivat todella vaikuttavia. Tekoäly oli poiminut samat kiteytykset – ja enemmän. Se oli havainnut asioita, jotka olivat jääneet minulta huomaamatta. Lisäksi se teki kaiken murto-osassa siitä ajasta, joka ihmiseltä samaan tehtävään kului.

Miten tekoäly voi tulevaisuudessa auttaa NBO:n asiakkaita?

Halusin kertoa tästä esimerkistä, koska se avaa silmät tulevaisuuden mahdollisuuksista dataohjatussa myynnissä. Vielä on matkaa tekoälyn hyödyntämiseen käytännön arjessa, mutta juurten ja rungon (prosessien ja lähtödatan) ollessa kunnossa, niiden varaan voi pala palalta rakentaa komeampaa oksistoa.

Asiakkaidemme suuresti arvostamien keskustelumuistioiden huono puoli on, että niihin perehtyminen vie paljon aikaa. Entä jos tulevaisuudessa jokaisesta muistiosta olisikin tarjolla kiteytys? Entäpä, jos kiteytykseen poimitut kiinnostuksen kohteet olisivat kategorisoituja, ja voisit hakea kiinnostuneita yrityksiä vaikkapa liikevaihtoluokittain tai maantieteellisen sijainnin perusteella? Mahdollisuuksia löytyy, joten kannattaa pysyä kuulolla.

Kaiken tämän datakehittämisen taustalla on halu päästä mutuilusta tosiasioiden todentamiseen sekä ohjata asiakkaidemme myyntiponnisteluja koko ajan parempiin kohteisiin ja tuloksiin. Haluamme auttaa asiakkaitamme siirtymään historiatiedon analysoinnista myynnin ennustamiseen.